global_max_pool/global_avg_pool 和 avg_pool_2d/1d/3d 有什么区别？
What is the difference between global_max_pool/global_avg_pool and avg_pool_2d/1d/3d?
我试着比较了 tflearn 的文本分类教程代码：https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py
来自 dennybritz 的那个：
https://github.com/dennybritz/cnn-text-classification-tf
这两个代码显示不同的结果，我知道这可能是因为 tflearn 教程使用了 1d 卷积，但是有一行代码我不明白：
网络 = global_max_pool（网络）
global_max_pool和max_pool_2d有什么区别？
查看代码，他们对张量流库进行了不同的调用：
2d_max_pool
广泛地做您期望的事情并且returns（以及做一些其他事情）：
tf.nn.max_pool(incoming, kernel, strides, padding)
使用指定的参数。这是一个4d张量，类似于输入one
global_max_pool
实际上对输入张量进行了相当大的缩减。输入张量的维度：
[batch, height, width, in_channels]
函数 global_max_pool 然后 returns （以及做一些其他事情）
tf.reduce_max(incoming, [1, 2])
我认为给出每个张量的最大值 in_channels
我试着比较了 tflearn 的文本分类教程代码：https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py
来自 dennybritz 的那个： https://github.com/dennybritz/cnn-text-classification-tf
这两个代码显示不同的结果，我知道这可能是因为 tflearn 教程使用了 1d 卷积，但是有一行代码我不明白：
网络 = global_max_pool（网络）
global_max_pool和max_pool_2d有什么区别？
查看代码，他们对张量流库进行了不同的调用：
2d_max_pool
广泛地做您期望的事情并且returns（以及做一些其他事情）：
tf.nn.max_pool(incoming, kernel, strides, padding)
使用指定的参数。这是一个4d张量，类似于输入one
global_max_pool
实际上对输入张量进行了相当大的缩减。输入张量的维度：
[batch, height, width, in_channels]
函数 global_max_pool 然后 returns （以及做一些其他事情）
tf.reduce_max(incoming, [1, 2])
我认为给出每个张量的最大值 in_channels